【Pandas库】(2) Series的基本操作方法

各位同学好，今天和大家分享一下Pandas库中Series的基本操作方法。

内容有：①检查缺失值；②通过索引获取数据；③布尔索引；④name属性；⑤读取前几行数据；⑥读取后几行数据。

---

首先我们先定义一个Series

import pandas as pd  #导入pandas库
person = {"name":"阿强","age":21,"class":"一班"}  #定义一个字典person
# 生成一个Series，给它命名s1，以列表中给定的索引顺序排序，其中索引'sex'对应的值为None
s1 = pd.Series(person,["name","age","class","sex"]) 

---

（1）检查缺失值

        方法： Series名.isnull()  和  Series名.notnull()   

        isnull()   判断索引对应的值是否为空，若为空，返回True。语句返回值为Series类型。

        notnull() 判断索引对应的值是否为非空，若为空，返回False。

        如下图所示，s1中索引'sex'对应的值为nan，因此用isnull()判断后，s2接收返回值，'sex'的返回值是True，其余返回的都是False。并且s2为Series类型。

#（1）检查缺失值
s2 = s1.isnull()   # isnull判断值是否为空，空就返回一个True
s3 = s1.notnull()

---

（2）通过索引获取数据

        获取索引的方法：Series名.index

        获取值的方法：   Series名.values

#（2）通过索引获取数据
m = s1.index   #获取索引
n = s1.values  #获取值

 2.1 获取单个数据

① 通过下标获取        Series名[索引号]  

② 通过标签名获取    Series名[标签名]

s4 = s1[1]   # 通过下标获取数据
s5 = s1["age"]   # 通过标签名获取数据

2.2 获取多个数据

① 通过下标获取       Series名[[索引号1,索引号2]]    #获取索引号1和2对应的数据

② 通过标签名获取    Series名[[标签名1,标签名2]]  

# 选取多个数据
s6 = s1[[1,3]]  #获取索引为1行和3行的数据（0，1，2，3）
s7 = s1[["name","age"]]  #获取索引为’name'和'age'行的数据

2.3 切片获取数据

① 通过下标获取        Series名[索引号1:索引号2]      #下标切片顾头不顾尾

② 通过标签名获取    Series名[标签名1:标签名2]      #标签名切片顾头顾尾

# 切片取值
s8 = s1[1:3]   #下标切片顾头不顾尾，获取s1中1、2行数据
s9 = s1["name":"class"]  #标签切片顾头顾尾，获取'name'、'age'、'class'行

---

（3）布尔索引  

        Series名[条件判断]

       布尔索引可理解为True和False。

       如下，我们定义了一个Series类型数据s10，下式中s10[s10>3]可理解为，s10中索引大于3的值为True，小于等于3的值为False。s10[True]会进行输出，即找到s10中所有大于3的索引和值。

import numpy as np
a1 = np.arange(1,6) #从1到5，步长为1，即1、2、3、4、5
s10 = pd.Series(a1,["a","b","c","d","e"]) 
#数组a1变成Series类型，改变索引名，由原来的0到4变成'a'到'e'
s11 = s10[s10>3]  #取出s10的值大于3的数据

---

（4）索引与数据的对应关系不被运算结果影响

        让Series类型乘以一个数，Series中的索引不会发生改变，但是所有的值都会乘以该数。数值计算会到后续章节再讲，目前不需要掌握。

s12 = s10*2  #使对应数据都*2
#数据values发生变化，对应的索引不变

---

 （5）name属性

        改变对象的名称：        Series名.name = 自定义名称

        改变对象的索引名称： Series名.index.name = 自定义名称

        如果不喜欢官方默认定义的对象名，可自定义

# name属性
s10.name = "temp"  #对象名
s10.index.name = "year"  #对象索引名

---

（6）读取前几行数据

        方法： Series名.head()        # 默认读取前5行数据

                    Series名.head(n)      # 也可自己指定读取前n行

        如果数据量很大，可使用该方法读取前几行先看看

# 读取前几行数据，默认前5行
s13 = s10.head(2)

---

（7）读取后几行数据

        方法：  Series名.tail()       # 默认读取后5行数据

                     Series名.tail(n)     # 也可自己指定读取后n行

# 读取后几行数据,默认后5行
s14 = s10.tail(3)

---

完整代码如下：

#以下代码均可运行
import pandas as pd  #导入pandas库

person = {"name":"阿强","age":21,"class":"一班"}  #定义一个字典person
# 生成一个Series，给它命名s1，以列表中给定的索引顺序排序，其中索引'sex'对应的值为None
s1 = pd.Series(person,["name","age","class","sex"]) 

# Series基本用法

#（1）检查缺失值
#==1== Series名.isnull()  Series名.notnull()
# isnull判断是否为空，空就返回一个True
s2 = s1.isnull()
s3 = s1.notnull()

#（2）通过索引获取数据
m = s1.index   #获取索引
n = s1.values  #获取值

#==1== 通过下标获取数据
s4 = s1[1]

#==2== 通过标签名获取数据
s5 = s1["age"]

#==3== 选取多个
s6 = s1[[1,3]]  #获取索引为1行和3行的数据（0，1，2，3）
s7 = s1[["name","age"]]  #获取索引为’name'和'age'行的数据

#==4== 切片取值
s8 = s1[1:3]   #下标切片顾头不顾尾，获取s1中1、2行数据
s9 = s1["name":"class"]  #标签切片顾头顾尾，获取'name'、'age'、'class'行

#（3）布尔索引
import numpy as np
a1 = np.arange(1,6) #从1到5，步长为1，即1、2、3、4、5
s10 = pd.Series(a1,["a","b","c","d","e"]) 
#数组a1变成Series类型，改变索引名，由原来的0到4变成'a'到'e'

s11 = s10[s10>3]  #取出s10的值大于3的数据

#（4）索引与数据的对应关系不被运算结果影响
s12 = s10*2  #使对应数据都*2
#数据values发生变化，对应的索引不变

#（5）name属性
print(s10)
s10.name = "temp"  #对象名
s10.index.name = "year"  #对象索引名
print(s10)

#（6） Series名.head(n)
# 读取前几行数据，默认前5行
s13 = s10.head(2)

#（7） Series名.tail(n)
# 读取后几行数据,默认后5行
s14 = s10.tail(3)